Tweetを解析して運用を見直す / ChatGPTプロンプト#76
プロンプト
<##起点にしたいデータもしくは知りたいこと##>について解析してグラフ化してください。
プロンプト入力例（コードインタープリタ）
プロフィールクリック数について解析してグラフ化してください。
（参照データ：TwitterのアナリティクスからアウトポートしたTweetデータ）
出力例
あなたがアップロードしたファイルを読み込み、データを確認してみましょう。データの内容を理解することが、正確なビジュアライゼーションを作成するための最初のステップです。
このデータセットには40の異なるカラムがあり、各ツイートの様々な指標が記録されています。ユーザが求めているのは「プロフィールクリック数」の多かったツイートをグラフ化することなので、これに焦点を当てて分析を進めていきます。
まず、各ツイートの「プロフィールクリック数」を確認しましょう。これにより、どのツイートが特にプロフィールへのクリックを引き起こしたかを理解することができます。そして、これらのツイートを時間軸に沿ってプロットし、どの時点でプロフィールへのクリックが増えたのかを視覚化します。ただし、データは時間帯によって異なる可能性があるため、時間帯を考慮して解析を行います。また、ツイートの数が非常に多い場合は、上位のツイートだけをプロットします。
まず、プロフィールクリック数のカラム名を確認しましょう。その上で、データがどのように分布しているかを見てみましょう。
ユーザープロフィールクリック数のデータを見ると、平均値は約1.27、最大値は31となっています。また、75%のツイートがプロフィールクリックを1回以下引き起こしています。
次に、時間に対してプロフィールクリック数をプロットし、時間の経過に伴ってどのように変化するかを確認します。ただし、データの時間はUTCで記録されているため、それを考慮してグラフを作成します。
上のグラフは時間とともにプロフィールクリック数がどのように変化したかを示しています。横軸は時間（日付と時刻）、縦軸はプロフィールクリック数です。各点は個々のツイートを示しています。
この視覚化から、特定の時間帯にプロフィールクリック数が高くなるといった傾向を確認することができます。ただし、全体としてはプロフィールクリック数が一定の範囲に収まっていることがわかります。プロフィールクリック数が極端に高いツイートは少数です。
これらの情報を利用して、ツイートのタイミングや内容を調整することで、プロフィールへのクリックを増やす戦略を考えることが可能です。
プロンプトの使い所
普段からデータに触れている人は良いですが、CSVデータからデータの特徴を読み取って解析していくのは骨が折れる作業です。コードインタープリターモデルを利用すれば、csvをアップするだけでデータを解析し知りたい情報を起点に解析してくれます。
何に着目するかというところは情報収集が必要ですが、Twitterの運用を見直してみようという人には便利なプロンプト+モデルだと思います。